Optimización mediante cúmulos de partículas con tamaño de población variable

La resolución de problemas de optimización es de gran interés en la actualidad y ha motivado el desarrollo de diversos métodos informáticos para tratar de resolverlos. La Optimización mediante Cúmulos de Partículas o PSO (Particle Swarm Optimization) es una metaheurística que ha sido utilizada exitosamente en la resolución de una amplia gama de problemas de optimización, incluyendo el entrenamiento de redes neuronales y la minimización de funciones. En su definición original, PSO utiliza, durante todo el proceso adaptativo, una población formada por un número fijo de soluciones. El objetivo central de esta tesina es presentar una extensión original de PSO que incorpora los conceptos de edad y vecindad para permitir la variación del tamaño de la población. De esta forma, no es necesario definir a priori la cantidad de soluciones a utilizar, evitando así condicionar la calidad de la solución a obtener. La variación del tamaño de la población se basa en una modificación del proceso adaptativo permitiendo el agregado y/o eliminación de individuos en función de su aptitud para resolver el problema planteado. Esto se realiza principalmente a través del concepto de edad que permite determinar el tiempo de permanencia de cada elemento dentro de la población. Además, dado que PSO tiende a poblar rápidamente las zonas exploradas con buen fitness, para no poblar excesivamente un mismo lugar del espacio de soluciones, se analiza el entorno de cada individuo y se eliminan las peores soluciones de las zonas muy pobladas. El método aquí propuesto es aplicado a la resolución de algunas funciones complejas hallando mejores resultados que los que habitualmente se logran utilizando población de tamaño fijo. Licenciado en Sistemas Universidad Nacional de La Plata